Dataset Previews
First, initialize by adding tools and declare floating type
using GriddingMachine
using PkgUtility
using Plots
using Plots.PlotMeasures
ENV["GKSwstype"]="100";
FT = Float32;
# use this to fix the problem in generated preview.jl file
F1 = joinpath(@__DIR__, "../../Artifacts.toml");
F2 = joinpath(@__DIR__, "../../../Artifacts.toml");
GRIDDINGMACHINE_ARTIFACTS = (isfile(F1) ? F1 : F2);
predownload_artifact.(["CH_20X_1Y_V1",
"CI_12X_1Y_V1",
"CI_PFT_2X_1Y_V1",
"GPP_MPI_2X_1M_2005_V1",
"GPP_VPM_5X_8D_2005_V1",
"LAI_4X_1M_V1",
"LM_ERA5_4X_1Y_V1",
"LNC_2X_1Y_V1",
"LNC_2X_1Y_V2",
"LPC_2X_1Y_V1",
"NDVI_AVHRR_20X_1M_2018_V1",
"NIRO_AVHRR_20X_1M_2018_V1",
"NIRV_AVHRR_20X_1M_2018_V1",
"SIF740_TROPOMI_1X_1M_2018_V1",
"SLA_2X_1Y_V1",
"SLA_2X_1Y_V2",
"TD_12X_1Y_V1",
"VMAX_CICA_2X_1Y_V1",
"WD_2X_1Y_V1",
"NPP_MODIS_1X_1Y"],
GRIDDINGMACHINE_ARTIFACTS);#=#=# ##O#- # ##O=# # #=#=-# # 0.4% # 2.7% #### 6.7% ########## 14.6% ################################### 48.9% ######################################################################## 100.0% #=#=# ##O#- # ##O=# # #=#=-# # -#O#- # # 1.2% #### 6.2% ######## 12.2% ############################# 41.6% ######################################################################## 100.0% #=#=# ##O#- # ##O=# # #=#=-# # -#O#- # # # 2.0% #### 6.8% #################### 28.0% ######################################################################## 100.0% #=#=# ##O#- # ##O=# # #=#=-# # -#O#- # # 0.1% 0.9% # 1.7% ### 4.8% ############# 18.5% ############################################## 64.9% ######################################################################## 100.0% #=#=# ##O#- # ##O=# # #=#=-# # 0.1% 0.3% 0.7% # 1.9% ##### 7.3% ################## 25.6% ################################## 48.0% ################################################# 69.0% ################################################################ 90.1% ######################################################################## 100.0% #=#=# ##O#- # ##O=# # #=#=-# # 0.2% 1.4% # 2.4% ##### 7.0% ################## 25.3% ###################################################################### 97.4% ######################################################################## 100.0% #=#=# ##O#- # ##O=# # #=#=-# # -#O#- # # ## 3.0% ############# 18.4% ######################## 33.8% ####################################################### 76.4% ######################################################################## 100.0% #=#=# ##O#- # ##O=# # #=#=-# # -#O#- # # -=#=# # # -=O#- # # # -=O=# # # # -=O=-# # # # -=O=- # # # # -=O=- # # # # -=O=- # # # # -=O=- # # # # -=O=- # # # # -=O=- # # # # -=O=- # # # # -=O=- # # # # -=O=- # # # # -=O=- # # # # -=O=- # # # # -=O=- # # # # -=O=- # # # # -=O=- # # # # -=O=- # # # # -=O=- # # # # -=O=- # # # # ## 3.7% ############## 20.3% ####################################### 55.4% ######################################################################## 100.0% #=#=# ##O#- # ##O=# # #=#=-# # # 2.8% ############ 17.2% ########################### 38.7% ######################################################################## 100.0% #=#=# ##O#- # ##O=# # #=#=-# # ## 3.6% ############### 21.4% ######################################### 57.3% ######################################################################## 100.0% #=#=# ##O#- # ##O=# # #=#=-# # 0.0% 0.0% 0.2% 0.6% # 2.4% #### 6.5% ####### 10.5% ########## 14.3% ############# 18.1% ############### 21.9% ################## 25.7% ##################### 29.4% ####################### 33.2% ########################## 37.1% ############################# 41.0% ################################ 44.8% ################################## 48.5% ##################################### 52.1% ######################################## 55.7% ########################################## 59.1% ############################################# 62.8% ############################################### 65.9% ################################################# 69.1% #################################################### 72.3% ###################################################### 75.2% ####################################################### 77.2% ######################################################## 78.8% ########################################################## 80.6% ########################################################### 82.6% ############################################################ 84.7% ############################################################## 86.7% ############################################################### 88.8% ################################################################# 90.8% ################################################################## 93.0% #################################################################### 95.1% ###################################################################### 97.3% ####################################################################### 99.4% ######################################################################## 100.0% #=#=# ##O#- # ##O=# # #=#=-# # 0.0% 0.1% 0.1% 0.3% 1.0% ## 3.6% ##### 7.2% ####### 10.7% ########## 14.1% ############ 17.6% ############### 21.1% ################# 24.4% ################### 27.4% ##################### 30.2% ###################### 30.8% ####################### 33.2% ######################### 35.7% ########################## 37.1% ########################### 38.6% ############################ 40.2% ############################## 41.8% ############################### 43.2% ############################### 44.3% ################################ 45.5% ################################# 46.7% ################################## 47.9% ################################### 49.1% #################################### 50.3% ##################################### 51.5% ##################################### 52.8% ###################################### 54.0% ####################################### 55.3% ######################################## 56.5% ######################################### 57.7% ########################################## 59.0% ########################################### 60.3% ############################################ 61.6% ############################################# 62.9% ############################################## 64.2% ############################################### 65.5% ################################################ 66.8% ################################################# 68.2% ################################################## 69.5% ################################################## 70.8% ################################################### 72.1% #################################################### 73.4% ##################################################### 74.7% ###################################################### 76.1% ####################################################### 77.4% ######################################################## 78.6% ######################################################### 79.7% ########################################################## 81.0% ########################################################### 82.4% ############################################################ 83.7% ############################################################# 85.1% ############################################################## 86.5% ############################################################### 87.9% ################################################################ 89.3% ################################################################# 90.7% ################################################################## 92.1% ################################################################### 93.5% #################################################################### 94.9% ##################################################################### 96.2% ###################################################################### 97.6% ####################################################################### 99.0% ######################################################################## 100.0% #=#=# ##O#- # ##O=# # #=#=-# # 0.0% 0.0% 0.1% 0.3% 1.1% ### 4.2% ###### 8.4% ######## 12.0% ########## 15.2% ############# 19.0% ################ 22.8% ################### 26.6% ##################### 30.4% ######################## 34.2% ########################### 38.0% ############################## 41.7% ################################ 45.5% ################################### 49.2% ###################################### 52.9% ######################################## 56.7% ########################################### 60.6% ############################################## 64.3% ################################################# 68.1% ################################################### 71.9% ###################################################### 75.7% ######################################################### 79.5% ########################################################### 83.2% ############################################################## 87.0% ################################################################ 90.2% ################################################################### 93.7% ###################################################################### 97.5% ######################################################################## 100.0% #=#=# ##O#- # ##O=# # #=#=-# # 0.2% 1.0% ## 3.9% ######### 13.2% ##################################### 52.0% ######################################################################## 100.0% #=#=# ##O#- # ##O=# # #=#=-# # ## 3.6% ########### 16.2% ####################################### 55.0% ######################################################################## 100.0% #=#=# ##O#- # ##O=# # #=#=-# # # 2.7% ######## 12.1% ################################# 47.0% ######################################################################## 100.0% #=#=# ##O#- # ##O=# # #=#=-# # -#O#- # # 0.3% 1.2% ### 4.2% ###### 8.9% ####################### 32.1% ######################################################################## 100.0% #=#=# ##O#- # ##O=# # #=#=-# # ### 4.3% ########################### 38.8% ######################################################################## 100.0% #=#=# ##O#- # ##O=# # #=#=-# # # 2.8% ######## 11.9% ################################### 49.7% ######################################################################## 100.0% #=#=# ##O#- # ##O=# # #=#=-# # -#O#- # # -=#=# # # ###################### 30.9% ######################################################################## 100.0%
Then, define a function to plot the dataset
function preview_data(ds::GriddedDataset{FT}, ind::Int)
# preview data
return heatmap(view(ds.data,:,:,ind)',
origin="lower",
aspect_ratio=1,
xticks=[],
yticks=[],
c=:viridis,
size=(700,300),
framestyle=:none)
end
function preview_data(ds::GriddedDataset{FT}, ind::Int, clim::Tuple)
# preview data
return heatmap(view(ds.data,:,:,ind)',
origin="lower",
aspect_ratio=1,
xticks=[],
yticks=[],
c=:viridis,
clim=clim,
size=(700,300),
framestyle=:none)
endpreview_data (generic function with 2 methods)
Leaf level datasets
Leaf nitrogen content
LNC_LUT = load_LUT(LeafNitrogenButler{FT}());
mask_LUT!(LNC_LUT, FT[0,Inf]);
LNC_LUT = regrid_LUT(LNC_LUT, Int(size(LNC_LUT.data,2)/180));
preview_data(LNC_LUT, 1)
LNC_LUT = load_LUT(LeafNitrogenBoonman{FT}());
mask_LUT!(LNC_LUT, FT[0,Inf]);
LNC_LUT = regrid_LUT(LNC_LUT, Int(size(LNC_LUT.data,2)/180));
preview_data(LNC_LUT, 1)
Leaf phosphorus content
LPC_LUT = load_LUT(LeafPhosphorus{FT}());
mask_LUT!(LPC_LUT, FT[0,Inf]);
LPC_LUT = regrid_LUT(LPC_LUT, Int(size(LPC_LUT.data,2)/180));
preview_data(LPC_LUT, 1)
Specific leaf area
SLA_LUT = load_LUT(LeafSLAButler{FT}());
mask_LUT!(SLA_LUT, FT[0,Inf]);
SLA_LUT = regrid_LUT(SLA_LUT, Int(size(SLA_LUT.data,2)/180));
preview_data(SLA_LUT, 1)
SLA_LUT = load_LUT(LeafSLABoonman{FT}());
mask_LUT!(SLA_LUT, FT[0,Inf]);
SLA_LUT = regrid_LUT(SLA_LUT, Int(size(SLA_LUT.data,2)/180));
preview_data(SLA_LUT, 1)
Vcmax
VCM_LUT = load_LUT(VcmaxOptimalCiCa{FT}());
mask_LUT!(VCM_LUT, FT[0,Inf]);
VCM_LUT = regrid_LUT(VCM_LUT, Int(size(VCM_LUT.data,2)/180));
preview_data(VCM_LUT, 1)
Stand level datasets
Canopy height
CHT_LUT = load_LUT(CanopyHeightGLAS{FT}());
mask_LUT!(CHT_LUT, FT[0,Inf]);
CHT_LUT = regrid_LUT(CHT_LUT, Int(size(CHT_LUT.data,2)/180));
preview_data(CHT_LUT, 1)
CHT_LUT = load_LUT(CanopyHeightBoonman{FT}());
mask_LUT!(CHT_LUT, FT[0,Inf]);
CHT_LUT = regrid_LUT(CHT_LUT, Int(size(CHT_LUT.data,2)/180));
preview_data(CHT_LUT, 1)
Clumping index
# global clumping index
CLI_LUT = load_LUT(ClumpingIndexMODIS{FT}(), "12X", "1Y");
mask_LUT!(CLI_LUT, FT[0,1]);
CLI_LUT = regrid_LUT(CLI_LUT, Int(size(CLI_LUT.data,2)/180));
preview_data(CLI_LUT, 1, (0.4,1))
# global clumping index per PFT
CLI_LUT = load_LUT(ClumpingIndexPFT{FT}());
mask_LUT!(CLI_LUT, FT[0,1]);
CLI_LUT = regrid_LUT(CLI_LUT, Int(size(CLI_LUT.data,2)/180));
anim = @animate for i ∈ 1:size(CLI_LUT.data,3)
preview_data(CLI_LUT, i, (0.4,1));
end
gif(anim, fps=1)Gross primary productivity
# GPP MPI
GPP_LUT = load_LUT(GPPMPIv006{FT}(), 2005, "2X", "8D");
GPP_LUT = regrid_LUT(GPP_LUT, Int(size(GPP_LUT.data,2)/180));
mask_LUT!(GPP_LUT, FT[-100,Inf]);
anim = @animate for i ∈ 1:46
preview_data(GPP_LUT, i, (0,10));
end
gif(anim, fps=5)# GPP VPM
GPP_LUT = load_LUT(GPPVPMv20{FT}(), 2005, "5X", "8D");
GPP_LUT = regrid_LUT(GPP_LUT, Int(size(GPP_LUT.data,2)/180));
mask_LUT!(GPP_LUT, FT[-100,Inf]);
anim = @animate for i ∈ 1:46
preview_data(GPP_LUT, i, (0,10));
end
gif(anim, fps=5)Leaf area index
LAI_LUT = load_LUT(LAIMonthlyMean{FT}());
LAI_LUT = regrid_LUT(LAI_LUT, Int(size(LAI_LUT.data,2)/180));
anim = @animate for i ∈ 1:size(LAI_LUT.data,3)
preview_data(LAI_LUT, i, (0,6));
end
gif(anim, fps=1)Normalized difference vegetation index
NDV_LUT = load_LUT(NDVIAvhrr{FT}(), 2018, "20X", "1M");
NDV_LUT = regrid_LUT(NDV_LUT, Int(size(NDV_LUT.data,2)/180));
anim = @animate for i ∈ 1:size(NDV_LUT.data,3)
preview_data(NDV_LUT, i, (0,1));
end
gif(anim, fps=1)Near infrared reflectance of vegetation
NIV_LUT = load_LUT(NIRvAvhrr{FT}(), 2018, "20X", "1M");
NIV_LUT = regrid_LUT(NIV_LUT, Int(size(NIV_LUT.data,2)/180));
anim = @animate for i ∈ 1:size(NIV_LUT.data,3)
preview_data(NIV_LUT, i, (0,1));
end
gif(anim, fps=1)Near infrared reflectance of vegetation with offset
NIO_LUT = load_LUT(NIRoAvhrr{FT}(), 2018, "20X", "1M");
NIO_LUT = regrid_LUT(NIO_LUT, Int(size(NIO_LUT.data,2)/180));
anim = @animate for i ∈ 1:size(NIO_LUT.data,3)
preview_data(NIO_LUT, i, (0,1));
end
gif(anim, fps=1)Net primary productivity
NPP_LUT = load_LUT(NPPModis{FT}());
mask_LUT!(NPP_LUT, FT[-Inf,1e19]);
NPP_LUT = regrid_LUT(NPP_LUT, Int(size(NPP_LUT.data,2)/180));
NPP_LUT.data .*= 1e9;
preview_data(NPP_LUT, 1)
Sun induced fluorescence
SIF_LUT = load_LUT(SIFTropomi740{FT}(), 2018, "1X", "1M");
mask_LUT!(SIF_LUT, FT[-100,100]);
anim = @animate for i ∈ 1:12
preview_data(SIF_LUT, i, (0,3.5));
end
gif(anim, fps=3)Tree density
TDT_LUT = load_LUT(TreeDensity{FT}(), "12X", "1Y");
mask_LUT!(TDT_LUT, FT[0,Inf]);
TDT_LUT = regrid_LUT(TDT_LUT, Int(size(TDT_LUT.data,2)/180));
preview_data(TDT_LUT, 1, (0, 150000))
Wood density
TDT_LUT = load_LUT(WoodDensity{FT}());
mask_LUT!(TDT_LUT, FT[0,Inf]);
TDT_LUT = regrid_LUT(TDT_LUT, Int(size(TDT_LUT.data,2)/180));
preview_data(TDT_LUT, 1)
Land surface
Land mask
LMK_LUT = load_LUT(LandMaskERA5{FT}());
LMK_LUT = regrid_LUT(LMK_LUT, Int(size(LMK_LUT.data,2)/180));
preview_data(LMK_LUT, 1)
This page was generated using Literate.jl.